The pig is a major species for livestock production and is also extensively used as the preferred model species for analyses of a wide range of human physiological functions and diseases1. The importance of the gut microbiota in complementing the physiology and genome of the host is now well recognized2. Knowledge of the functional interplay between the gut microbiota and host physiology in humans has been advanced by the human gut reference catalogue3,4. Thus, establishment of a comprehensive pig gut microbiome gene reference catalogue constitutes a logical continuation of the recently published pig genome5. By deep metagenome sequencing of faecal DNA from 287 pigs, we identified 7.7 million non-redundant genes representing 719 metagenomic species. Of the functional pathways found in the human catalogue, 96% are present in the pig catalogue, supporting the potential use of pigs for biomedical research. We show that sex, age and host genetics are likely to influence the pig gut microbiome. Analysis of the prevalence of antibiotic resistance genes demonstrated the effect of eliminating antibiotics from animal diets and thereby reducing the risk of spreading antibiotic resistance associated with farming systems. 7.7 million non-redundant genes have been documented in the pig gut microbiome gene catalogue, revealing a 96% similarity in functional pathways to the human catalogue and influences from sex, age, host genetics and antibiotic treatments.

Abstract Background The rumen microbiota provides essential services to its host and, through its role in ruminant production, contributes to human nutrition and food security. A thorough knowledge of the genetic potential of rumen microbes will provide opportunities for improving the sustainability of ruminant production systems. The availability of gene reference catalogs from gut microbiomes has advanced the understanding of the role of the microbiota in health and disease in humans and other mammals. In this work, we established a catalog of reference prokaryote genes from the bovine rumen. Results Using deep metagenome sequencing we identified 13,825,880 non-redundant prokaryote genes from the bovine rumen. Compared to human, pig and mouse gut metagenome catalogs, the rumen is larger and richer in functions and microbial species associated with the degradation of plant cell wall material and production of methane. Genes encoding enzymes catalyzing the breakdown of plant polysaccharides showed a particularly high richness that is otherwise impossible to infer from available genomes or shallow metagenomics sequencing. The catalog expands by several folds the dataset of carbohydrate-degrading enzymes described in the rumen. Using an independent dataset from a group of 77 cattle fed 4 common dietary regimes, we found that only <0.1% of genes were shared by all animals, which contrast with a large overlap for functions, i.e. 63% for KEGG functions. Different diets induced differences in the relative abundance rather than the presence or absence of genes explaining the great adaptability of cattle to rapidly adjust to dietary changes. Conclusions These data bring new insights into functions, carbohydrate-degrading enzymes and microbes of the rumen that is complementing the available information on microbial genomes. The catalog is a significant biological resource enabling deeper understanding of phenotypes and biological processes and will be expanded as new data is made available.

Abstract The aim of the present work was to identify microbial biomarkers linked to immunity traits and to characterize the contribution of host-genome and gut microbiota to the immunocompetence in healthy pigs. To achieve this goal, we undertook a combination of network, mixed model and microbial-wide association studies (MWAS) for 21 immunity traits and the relative abundance of gut bacterial communities in 389 pigs genotyped for 70K SNPs. The heritability (h 2 ; proportion of phenotypic variance explained by the host genetics) and microbiability (m 2 ; proportion of variance explained by the microbial composition) showed similar values for most of the analyzed immunity traits, except for both IgM and IgG in plasma that were dominated by the host genetics, and the haptoglobin in serum which was the trait with larger m 2 (0.275) compared to h 2 (0.138). Results from the MWAS suggested a polymicrobial nature of the immunocompetence in pigs and revealed associations between pigs gut microbiota composition and 15 of the analyzed traits. The lymphocytes phagocytic capacity (quantified as mean fluorescence) and the total number of monocytes in blood were the traits associated with the largest number of taxa (6 taxa). Among the associations identified by MWAS, 30% were confirmed by an information theory network approach. The strongest confirmed associations were between Fibrobacter and phagocytic capacity of lymphocytes (r=0.37), followed by correlations between Streptococcus and the percentage of phagocytic lymphocytes (r=-0.34) and between Megasphaera and serum concentration of haptoglobin (r=0.26). In the interaction network, Streptococcus and percentage of phagocytic lymphocytes were the keystone bacterial and immune-trait, respectively. Overall, our findings reveal an important connection between immunity traits and gut microbiota in pigs and highlight the need to consider both sources of information, host genome and microbial levels, to accurately characterize immunocompetence in pigs.

This study aims to characterize commensal fungi and protists inhabiting the gut of healthy pigs, and explore the putative host genetic control over diversity and composition of pig gut eukaryotes. Fecal fungi and protists communities from 514 Duroc pigs of two sexes and two different ages were characterized by 18S and ITS ribosomal RNA gene sequencing. The gut mycobiota was dominated by yeasts, with a high prevalence of Kazachstania spp. Regarding protists, representatives of four genera (Blastocystis, Neobalantidium, Tetratrichomonas and Trichomitus) persisted through more than the 80% of the pigs. Heritabilities for the diversity and abundance of gut eukaryotic communities were estimated with the subset of 60 days aged piglets (N=405). Obtained heritabilities ranged from 0.15 to 0.28, indicating a rather limited host-genetic control. A genome wide association study reported genetic variants associated with the fungal α-diversity (SSC6) and with the abundance of Blastocystis spp. (SSC6, SSC17 and SSC18). Annotated candidate genes (IL23R, IL12RB2, PIK3C3, PIK3CD, HNF4A and TNFRSF9) were mainly related to immunity, gut homeostasis and metabolic processes. Our results point towards a minor and taxa specific genetic control over the diversity and composition of the pig gut eukaryotic communities.

Abstract Standardised analysis pipelines are an important part of FAIR bioinformatics research. Over the last decade, there has been a notable shift from point-and-click pipeline solutions such as Galaxy towards command-line solutions such as Nextflow and Snakemake. We report on recent developments in the nf-core and Nextflow frameworks that have led to widespread adoption across many scientific communities. We describe how adopting nf-core standards enables faster development, improved interoperability, and collaboration with the >8,000 members of the nf-core community. The recent development of Nextflow Domain-Specific Language 2 (DSL2) allows pipeline components to be shared and combined across projects. The nf-core community has harnessed this with a library of modules and subworkflows that can be integrated into any Nextflow pipeline, enabling research communities to progressively transition to nf-core best practices. We present a case study of nf-core adoption by six European research consortia, grouped under the EuroFAANG umbrella and dedicated to farmed animal genomics. We believe that the process outlined in this report can inspire many large consortia to seek harmonisation of their data analysis procedures.

Abstract Background Genetic variation in the pig genome partially modulates the composition of porcine gut microbial communities. Previous studies have been focused on the association between single nucleotide polymorphisms (SNPs) and the gut microbiota, but little is known about the relationship between structural variants and gut microbial traits. Results The main goal of this study was to assess the effect of porcine genome copy number variants (CNVs) on the diversity and composition of pig gut microbiota. For this purpose, we used whole-genome sequencing data to undertake a comprehensive identification of CNVs followed by a genome-wide association analysis between the estimated CNV status and the gut bacterial diversity in a commercial Duroc pig population. A CNV predicted as gain (DUP) partially harboring ABCC2-DNMBP loci was associated with richness ( p -value=5.41×10 −5 ) and Shannon α-diversity ( p -value=1.42×10 −4 ). The in-silico predicted gain of copies was validated by real-time quantitative PCR (qPCR), and its segregation, and positive association with the richness and Shannon α-diversity of the porcine gut bacterial ecosystem was confirmed in an unrelated F1 (Duroc×Iberian) cross. Furthermore, despite genetic and environmental differences between both populations, the gut microbiota of DUP samples showed a significant over-abundance of the Desulfovibrio, Blautia, Phascolarctobacterium, Faecalibacterium, Succinivibrio and Anaerovibrio genera. Conclusions In summary, this is the first study that evaluate the putative modulatory role of CNVs on pig gut microbiota. Our results advice the relevance of considering the role of host-genome structural variants as modulators of microbial ecosystems, and suggest the ABCC2-DNMBP CNV as a host-genetic factor for the modulation of the diversity and composition of the gut microbiota in pigs.

Abstract The analysis and prediction of complex traits using microbiome data combined with host genomic information is a topic of utmost interest. However, numerous questions remain to be answered: How useful can the microbiome be for complex trait prediction? Are microbiability estimates reliable? Can the underlying biological links between the host’s genome, microbiome, and the phenome be recovered? Here, we address these issues by (i) developing a novel simulation strategy that uses real microbiome and genotype data as input, and (ii) proposing a variance-component approach which, in the spirit of mediation analyses, quantifies the proportion of phenotypic variance explained by genome and microbiome, and dissects it into direct and indirect effects. The proposed simulation approach can mimic a genetic link between the microbiome and SNP data via a permutation procedure that retains the distributional properties of the data. Results suggest that microbiome data could significantly improve phenotype prediction accuracy, irrespective of whether some abundances are under direct genetic control by the host or not. Overall, random-effects linear methods appear robust for variance components estimation, despite the highly leptokurtic distribution of microbiota abundances. Nevertheless, we observed that accuracy depends in part on the number of microorganisms’ taxa influencing the trait of interest. While we conclude that overall genome-microbiome-links can be characterized via variance components, we are less optimistic about the possibility of identifying the causative effects, i.e., individual SNPs affecting abundances; power at this level would require much larger sample sizes than the ones typically available for genome-microbiome-phenome data. Author summary The microbiome consists of the microorganisms that live in a particular environment, including those in our organism. There is consistent evidence that these communities play an important role in numerous traits of relevance, including disease susceptibility or feed efficiency. Moreover, it has been shown that the microbiome can be relatively stable throughout an individual’s life and that is affected by the host genome. These reasons have prompted numerous studies to determine whether and how the microbiome can be used for prediction of complex phenotypes, either using microbiome alone or in combination with host’s genome data. However, numerous questions remain to be answered such as the reliability of parameter estimates, or which is the underlying relationship between microbiome, genome, and phenotype. The few available empirical studies do not provide a clear answer to these problems. Here we address these issues by developing a novel simulation strategy and we show that, although the microbiome can significantly help in prediction, it will be difficult to retrieve the actual biological basis of interactions between the microbiome and the trait.

Abstract The contribution of microRNAs (miRNAs) to mRNA regulation has often been explored by post hoc selection of downregulated genes and determining whether they harbor binding sites for miRNAs of interest. This approach, however, does not discriminate whether these mRNAs are also downregulated at the transcriptional level. Here, we have characterized the transcriptional and post-transcriptional changes of mRNA expression in two porcine tissues: gluteus medius muscle of fasted and fed Duroc gilts and adipose tissue of lean and obese Duroc-Göttingen minipigs. Exon-intron split analysis (EISA) of RNA-seq data allowed us to identify downregulated mRNAs with high post-transcriptional signals in fed or obese states, and we assessed whether they harbor binding sites for upregulated miRNAs in any of these two physiological states. We found 26 downregulated mRNAs with high post-transcriptional signals in the muscle of fed gilts and 21 of these were predicted targets of upregulated miRNAs also in the fed state. For adipose tissue, 44 downregulated mRNAs in obese minipigs displayed high post-transcriptional signals, and 25 of these were predicted targets of miRNAs upregulated in the obese state. These results suggest that the contribution of miRNAs to mRNA repression is more prominent in the skeletal muscle system. Finally, we identified several genes that may play relevant roles in the energy homeostasis of the pig skeletal muscle ( DKK2 and PDK4 ) and adipose ( SESN3 and ESRRG ) tissues. By differentiating transcriptional from post-transcriptional changes in mRNA expression, EISA provides a valuable view about the regulation of gene expression, complementary to canonical differential expression analyses.

The cheese core has a lower oxygen saturation and salinity and a higher acidity than the rind, but there is controversy about the incidence of such factors on the magnitude of microbial diversity. The goal of the current work was to investigate the existence of differences in α-diversity between the core, middle part, and rind of six Spanish commercial cheeses through a sequencing approach. To this end, we have collected rind, middle part, and core samples from fresh (H and M), soft semi-ripened (C and P), hard semi-ripened (B) and semi-hard aged (G) goat cheeses. After purifying deoxyribonucleic acid from these 18 samples, the V3-V4 ultravariable region of the 16S rRNA gene was sequenced. The analysis of microbial composition revealed that lactic acid bacteria from the genera Lactococcus, Lactobacillus, Streptococcus, and Leuconostoc are predominant in all six goat cheeses. Furthermore, we identified several psychrophilic taxa often associated with the post-pasteurization contamination of refrigerated milk. Comparison of three α-diversity estimators (Chao1, Shannon and Faith's phylogenetic diversity indices) of microbiota in the core, middle part, and rind of all six goat cheeses did not reveal substantial differences, being only significant (at the nominal level) the comparison of rind vs middle part for the Shannon index (P-value = 0.031). Moreover, the construction of a dendrogram based on Aitchison distances revealed that cheese samples cluster according to their manufacturing characteristics, with a clear distinction between fresh vs semi-ripened or aged cheeses. We conclude that the magnitude of microbial α-diversity in the cheese core is similar to that in the rind despite their different physicochemical attributes. This result could be because physicochemical differences between cheese compartments are often attenuated during cheese ripening.

The microbiome plays a key role in homeostasis and health and it has been also linked to fertility and semen quality in several animal species including swine. Despite the more than likely importance of sperm bacteria on the boars reproductive ability and the dissemination of pathogens and antimicrobial resistance genes, a high throughput characterization of the swine sperm microbiome remains undone. The current study aimed at profiling the boar sperm bacterial population and its relationship with seven semen quality traits. We carried RNA-seq on 40 ejaculates and we found that it contains a broad population of bacteria. The most abundant phyla were Proteobacteria (39.1%), Firmicutes (27.5%), Actinobacteria (14.9%) and Bacteroidetes (5.7%). The predominant species contaminated sperm after ejaculation from soil, faeces and water sources (Bacillus megaterium, Brachybacterium faecium, Bacillus coagulans). Some potential pathogens were also found but at relatively low levels (Escherichia coli, Clostridioides difficile, Clostridium perfringens, Clostridium botulinum and Mycobacterium tuberculosis). We also identified 3 potential antibiotic resistant genes from E. coli against chloramphenicol, Neisseria meningitidis against spectinomycin and Staphylococcus aureus against linezolid. None of these genes were highly abundant. Finally, we classified the ejaculates into categories according to their bacterial features and semen quality parameters and identified two categories that significantly differed for 5 semen quality traits and 13 bacterial features including the genera Acinetobacter, Stenotrophomonas and Rhodobacter. Our results show that boar semen contains a rich microbiome with potential pathogens and antibiotic resistance genes which may affect its reproductive performance.